Notizie preliminari

1
Teorie e Tecniche del Riconoscimento
Facoltà di Scienze MM. FF. NN. Università di
Verona A.A. 2013-14

• Notizie preliminari
• Introduzione

2
Il docente

• Prof. Marco Cristani
• Dipartimento di Informatica
• Ca Vignal 2, I piano, studio n. 47 (ala est)
• email marco.cristani_at_univr.it
• WWW http//www.sci.univr.it/cristanm
• Telefono 045 802 7988
• Ricevimento presso lo studio
• Mercoledi, ore 9.30 - 11.30 (previo appuntamento)

3
Informazioni generali

• Corso teorico e pratico esercitazioni con MATLAB
  in laboratorio Alfa.
• Materiale didattico
• lucidi del corso (italiano/inglese),
• libri di testo
• Richard O. Duda, Peter E. Hart, and David G.
  Stork. 2000. Pattern Classification (2nd
  Edition). Wiley-Interscience.
• Christopher M. Bishop. 2006. Pattern Recognition
  and Machine Learning (Information Science and
  Statistics). Springer-Verlag New York, Inc.,
  Secaucus, NJ, USA.

4
Informazioni generali

• Laboratorio di riferimento VIPS (Vision, Image
  Processing Sound), CV2, piano -2.
• Info http//vips.sci.univr.it

5
Modalità di esame

• Esame con progetto orale

6
Obiettivi del corso
7
Contenuti del corso
Fondamenti teorici e metodi principali relativi
allanalisi di dati, non necessariamente
immagini Classificazione statistica.

• Introduzione cosè, a cosa serve, sistemi,
  applicazioni
• Teoria della decisione di Bayes
• Stima dei parametri e metodi non parametrici
• Classificatori lineari, non lineari e funzioni
  discriminanti
• Trasformazioni lineari e metodo di Fisher,
  estrazione e selezione delle feature, Principal
  Component Analysis
• Misture di Gaussiane e algoritmo
  Expectation-Maximization

8
Contenuti del corso

• Metodi generativi e discriminativi
• Metodi Kernel e Support Vector Machines
• Hidden Markov Models
• Pattern recognition per l'analisi ed il
  riconoscimento in immagini e video
• Metodi di classificazione non supervisionata
  (clustering)